正文

互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析（大數(shù)據(jù)行業(yè)現(xiàn)狀分析）

發(fā)布時間：2023-04-21 21:38:47 稿源：創(chuàng)意嶺閱讀： 114

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、解密數(shù)據(jù)分析
2、數(shù)據(jù)分析師的就業(yè)前景如何？
3、大數(shù)據(jù)分析工程師在互聯(lián)網(wǎng)行業(yè)中處于什么地位?
4、互聯(lián)網(wǎng)數(shù)據(jù)分析之探討如何分析競爭對手

互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析（大數(shù)據(jù)行業(yè)現(xiàn)狀分析）

一、解密數(shù)據(jù)分析

數(shù)據(jù)分析的定義，在百度百科上是這樣介紹的：“用適當(dāng)?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用?！边@句話的理解比較費勁，那么簡單一點講，數(shù)據(jù)分析就是發(fā)現(xiàn)有用的信息，提供結(jié)論并支持決策。

有道是“數(shù)據(jù)在手，天下我有”，但如何尋找出數(shù)據(jù)中潛在的價值，就是分析師的重要工作了。

數(shù)據(jù)分析大概有兩種不同的發(fā)展方向，一種是偏向業(yè)務(wù)分析，需要對業(yè)務(wù)有比較深的理解，在此基礎(chǔ)上，通過數(shù)據(jù)來尋找業(yè)務(wù)增長的套路，例如用戶增長、網(wǎng)站分析、經(jīng)營分析等；另一種是偏向數(shù)據(jù)挖掘，更加注重技術(shù)、尤其是算法能力的應(yīng)用，需要對常見算法的應(yīng)用熟練掌握。實際工作中，由于數(shù)據(jù)挖掘需要非常好的技術(shù)功底，因此絕大多數(shù)人都是偏向業(yè)務(wù)進行分析。

那么數(shù)據(jù)分析的童鞋，日常主要在做什么呢？簡而言之，在做三件事：業(yè)務(wù)的現(xiàn)狀是什么、為什么會發(fā)生、未來將要如何（或如何改進）。

現(xiàn)狀分析，就是告訴業(yè)務(wù)決策者，過去發(fā)生了什么事情，并且通常以報表的形式呈現(xiàn)出來。所以分析師不光要能夠做日報、周報，還需要自己來搭建報表平臺，通過分析關(guān)鍵的指標(biāo)，來掌握業(yè)務(wù)的運營情況。

原因分析，是在業(yè)務(wù)現(xiàn)狀的基礎(chǔ)上，分析為什么會發(fā)生這些事情。比如指標(biāo)上升或者下降了，是因為什么原因造成的；或者是分析不同渠道對于最終轉(zhuǎn)化的貢獻情況。分析的過程，通常會通過專題的形式展示出來。

預(yù)測分析，則是告訴業(yè)務(wù)，未來會發(fā)生什么。預(yù)測其實是一件很重要的工作，不論是企業(yè)經(jīng)營目標(biāo)的制定，或者是相關(guān)策略的落實，都需要預(yù)測未來可能的情況，來保證業(yè)務(wù)的健康可持續(xù)發(fā)展。例如電商大促的到來，銷量會得到很大的提升，那么對應(yīng)的預(yù)算、物流、商家要做怎樣的應(yīng)對，都依賴于數(shù)據(jù)來提供預(yù)測。

還是有人會產(chǎn)生疑問：“數(shù)據(jù)分析”、“數(shù)據(jù)科學(xué)”、“數(shù)據(jù)驅(qū)動”、“商業(yè)智能”，這些概念都有怎樣的不同呢？

首先說一下“商業(yè)智能”，英文是Business intelligence，這是我們常說的BI，其主要價值，在于通過一系列的數(shù)據(jù)技術(shù)，從數(shù)據(jù)中挖掘隱藏的客觀規(guī)律，總結(jié)這些規(guī)律背后的原因，并用于指導(dǎo)公司業(yè)務(wù)的發(fā)展。大多數(shù)情況下，BI分析師的工作，就是通過SQL、Python等語言，將已經(jīng)統(tǒng)計好的數(shù)據(jù)，結(jié)合數(shù)據(jù)模型或者是分析框架，來對業(yè)務(wù)進行各種分析，并做成有價值的報表或者報告的形式，供業(yè)務(wù)方進行分析。

再講講“數(shù)據(jù)科學(xué)”，這個概念就要寬泛的多，通常指在跨學(xué)科的領(lǐng)域中，通過數(shù)據(jù)來尋找到解決問題的方法。數(shù)據(jù)科學(xué)的概念其實比較模糊，屬于寬口徑的概念，在不同的行業(yè)里所做的事情，可能是截然不同的。在互聯(lián)網(wǎng)行業(yè)中，數(shù)據(jù)科學(xué)大約代表：先通過探索分析發(fā)現(xiàn)問題，然后再用數(shù)據(jù)建模去解決問題。

那么“數(shù)據(jù)驅(qū)動”又如何理解？數(shù)據(jù)驅(qū)動的字面意思是將數(shù)據(jù)來作為生產(chǎn)資料，通過科學(xué)的方法，來推動業(yè)務(wù)的優(yōu)化提高。在互聯(lián)網(wǎng)行業(yè)里，數(shù)據(jù)驅(qū)動又可以分為數(shù)據(jù)驅(qū)動產(chǎn)品、數(shù)據(jù)驅(qū)動業(yè)務(wù)兩個方向，比如通過A/B測試來尋找最優(yōu)的推薦算法，或者是設(shè)計實驗來指導(dǎo)產(chǎn)品迭代更新的方向，等等。

因此，在一家公司中，不同數(shù)據(jù)崗位的分工大體如下：數(shù)據(jù)工程師負責(zé)數(shù)據(jù)平臺的搭建、數(shù)據(jù)倉庫的建設(shè)，以確保數(shù)據(jù)被正確的計算和方便的獲取；數(shù)據(jù)分析師根據(jù)數(shù)據(jù)來描述或者是分析相應(yīng)的問題，這其中包括了“商業(yè)智能”來做報表，或者是“數(shù)據(jù)科學(xué)”來尋找數(shù)據(jù)模型，最終都是“數(shù)據(jù)驅(qū)動”業(yè)務(wù)增長或產(chǎn)品迭代。

數(shù)據(jù)分析雖然需要的基礎(chǔ)知識非常多，屬于入門門檻比較高的那一種，但實際的工作卻大體遵循如下的步驟，細節(jié)可以有不同：

明確分析目的 - 確定思路框架 - 準備數(shù)據(jù) - 分析數(shù)據(jù) - 展示數(shù)據(jù) - 報告撰寫。

一，明確分析目的，非常重要，目的不明確會導(dǎo)致分析的過程十分盲目。這里會有一個假設(shè)，即分析師需要懂業(yè)務(wù)，并且有自己對于業(yè)務(wù)的理解，如果沒有相應(yīng)的專業(yè)知識，通常分析的結(jié)果就沒有特別大的價值。那么什么是懂業(yè)務(wù)？大體上就是需要明白企業(yè)的商業(yè)模式是怎樣的，通過什么樣的關(guān)系能夠產(chǎn)生商業(yè)價值。如果是2B方向，還需要懂一些管理學(xué)的內(nèi)容，了解數(shù)據(jù)如何輔助公司的經(jīng)營管理。

二，確定思路框架，是通過怎樣的指標(biāo)、哪些角度來進行分析。其實業(yè)界有一些非常通過的方法，可以讓我們快速開展業(yè)務(wù)的同時，能夠保證“MECE原則”，即對于一個重大的議題，能夠做到不重疊、不遺漏的分類，而且能夠借此有效把握問題的核心，并成為有效解決問題的方法。

常見的思路框架包括：決策樹管理分析法、PEST行業(yè)分析法、5W2H問題分析法、4P營銷理論、SWOT競爭力分析模型…… 這里的方法論非常多，一些細分方向也有自己的成套理論，比如“用戶增長”常用的AARRR漏斗模型、RFM理論等。這里就不一一展開了，網(wǎng)上能夠搜到大把的資源，但有一點需要注意，就是掌握模型切記只掌握個大概，因為每個模型是相應(yīng)知識體系的總結(jié)，只能交給你思路，而無法交給你哪些坑應(yīng)該避免、什么情況下不起作用，等等。

三，準備數(shù)據(jù)，這個工作通常由數(shù)倉團隊完成，一些流量場景，需要采集數(shù)據(jù)的，也可以通過數(shù)據(jù)埋點平臺來自動完成。當(dāng)然，成熟的團隊會通過建立自己的指標(biāo)體系，來靈活的支持業(yè)務(wù)的發(fā)展。

四，分析數(shù)據(jù)，以上文提到的現(xiàn)狀、原因與預(yù)測分析為例，可以衍生出很多相應(yīng)的分析方法。我們?nèi)粘Ｂ牭奖容^多的假設(shè)檢驗、回歸分析、聚類分析等，都是在分析數(shù)據(jù)階段需要用到的專業(yè)知識。

常見的分析方法有：A/B測試、描述分析、假設(shè)檢驗、信度分析、推斷分析、相關(guān)分析、回歸分析、聚類分析、時間序列分析…… 在使用分析方法時，需要注意的一點是口徑要一致，例如指標(biāo)的口徑范圍、計算方法、計量單位等進行檢查。

五，展示數(shù)據(jù)，一般情況下是通過圖表和表格來展示數(shù)據(jù)，通常是能用圖說明的，就不要用表格，除非表格能夠提供更多的信息。

詳情見下圖。

所以，數(shù)據(jù)分析無非四種方法：“比較”、“分布”、“構(gòu)成”、“聯(lián)系”。

六，報告撰寫，根據(jù)分析框架，圖文并茂的寫一個好故事吧，記得要有清晰的結(jié)論。

俗話說，“增長團隊有三寶：埋點、漏斗、AB測”，埋點是數(shù)據(jù)平臺的功能，漏斗是分析問題的思路，但為什么要單獨提一下A/B測試？是因為有了數(shù)據(jù)分析的方法之后，我們還需要數(shù)據(jù)分析的平臺，來對分析的成果快速的進行實驗。可以說，A/B測試是支持數(shù)據(jù)決策最有力的工具。

A/B測試針對2種以上的方案，不論是一整套產(chǎn)品方案，還是一個小元素的改動，只要變量是唯一的，那么我們就可以對同一組人群，進行隨機的分組，在同等的時間維度內(nèi)，將實驗組和對照組的結(jié)果進行對比，來衡量那種方案更好。

其實很多開發(fā)與測試的同學(xué)不太理解A/B測試的重要性，因為從開發(fā)的視角出發(fā)，這些內(nèi)容確實會增加很多的動作量。但如果從業(yè)務(wù)的角度出發(fā)，那作用可就大了，不論是爭議方案的對比、還是產(chǎn)品轉(zhuǎn)化率的提升、亦或是多個數(shù)據(jù)策略的貢獻分配、再或者是產(chǎn)品功能保持簡潔，都需要大量的實驗來驗證我們的想法。在互聯(lián)網(wǎng)公司中，我們并不缺少想法，但我們需要驗證想法的工具，讓數(shù)據(jù)來消除我們的收益淹沒、認知偏差、僥幸心理和收益分配矛盾。

在實際的工作中，A/B測試并不簡單的代表分成兩個實驗組，就完事了，因為我們需要考慮“辛普森悖論”的存在。辛普森悖論是指在某個條件下的兩組數(shù)據(jù)，分別討論時都會滿足某種性質(zhì)，可是一旦合并考慮，卻可能導(dǎo)致相反的結(jié)論。如果不了解辛普森悖論，盲目的解讀試驗結(jié)論，很容易得出錯誤的結(jié)論。因此，我們通常會設(shè)計更多的參照，以驗證我們想法的正確性，比如AA測試，或者AAB測試，這都需要一些經(jīng)驗的累積。

36Kr曾在一篇報道中寫道，“頭條發(fā)布一個新APP，其名字都必須打N個包放到各大應(yīng)用市場進行多次A/B測試而決定，張一鳴告訴同事：哪怕你有99.9%的把握那是最好的一個名字，測一下又有神馬關(guān)系呢？”

數(shù)據(jù)分析如果持續(xù)的做下去，那么它的目標(biāo)就不僅僅是運營看板或者是分析報告了，而是走向“數(shù)據(jù)化運營”的發(fā)展路線中。

“數(shù)據(jù)化運營”的概念很火，但其實很多人對它有誤解，認為這就是將“運營”的工作線上化了而已，但其實不然。在百度百科中，對“數(shù)據(jù)化運營”的定義是：“數(shù)據(jù)化運營是指通過數(shù)據(jù)化的工具、技術(shù)和方法，對運營過程中的各個環(huán)節(jié)進行科學(xué)的分析，為數(shù)據(jù)使用者提供專業(yè)、準確的行業(yè)數(shù)據(jù)解決方案，從而達到優(yōu)化運營效果和效率、降低運營成本、提高效益的目的?！?/p>

但在互聯(lián)網(wǎng)行業(yè)中，“數(shù)據(jù)化運營”的核心思路在于，基于“用戶”的行為和屬性，對“用戶”進行運營。因為互聯(lián)網(wǎng)產(chǎn)品的生命周期，就是一個閉環(huán)的模型：用戶獲取、用戶活躍、用戶留存、口碑傳播、付費轉(zhuǎn)化。這其中的每一個環(huán)節(jié)，都是一個漏斗，通過對數(shù)據(jù)進行分析，來運營指標(biāo)的增長，或者是指導(dǎo)產(chǎn)品成長。例如最經(jīng)典的啤酒與尿布的故事，就是一個典型的場景，通過發(fā)現(xiàn)用戶行為的關(guān)聯(lián)，來設(shè)置合理的運營策略，提升最終的產(chǎn)品銷量。

就像精益創(chuàng)業(yè)中提到的“MVP”理論一樣，不論是數(shù)據(jù)分析制定的各種策略，或者是企業(yè)的不同戰(zhàn)術(shù)打法，其實都不一定是奏效的，而在執(zhí)行策略的同時，通過數(shù)據(jù)的沉淀，來不斷驗證策略打法的有效性，最終發(fā)現(xiàn)那個最合適的“MVP”功能，是數(shù)據(jù)化運營的核心導(dǎo)向。

現(xiàn)在的數(shù)據(jù)化運營體系已經(jīng)變得更加復(fù)雜，不僅是因為業(yè)務(wù)場景的設(shè)計越來越復(fù)雜，也因為機器學(xué)習(xí)、因果推斷等新技術(shù)的應(yīng)用，使得一些感性的數(shù)據(jù)能夠被利用起來，讓我們的運營能夠更加清楚的看到業(yè)務(wù)與目標(biāo)的差距在哪里、應(yīng)該通過哪些手段來彌補GAP，調(diào)整方法會產(chǎn)生怎樣的影響，最終形成我們口中的“數(shù)據(jù)智能”。

KPMG（畢馬威）的Swami Chandrasekaran分享過一個數(shù)據(jù)科學(xué)家的學(xué)習(xí)路線圖，包括了數(shù)據(jù)的基本原理、統(tǒng)計學(xué)、機器學(xué)習(xí)、數(shù)據(jù)可視化、大數(shù)據(jù)處理等方面的推薦知識，感興趣的可以學(xué)習(xí)一下。原本是2013年寫的，部分內(nèi)容可能需要更新，但個人覺得這種類似地鐵線路圖的方式，很適合作為自己學(xué)習(xí)的思維導(dǎo)圖。

二、數(shù)據(jù)分析師的就業(yè)前景如何？

數(shù)據(jù)分析師的就業(yè)前景是廣闊的。

1、人才缺口大，IT時代逐漸被DT時代取代，用理性的數(shù)據(jù)分析代人工的經(jīng)驗分析成為主流，數(shù)據(jù)分析人才的供給指數(shù)僅為0.05，屬于高度稀缺。

2、入門相對簡單數(shù)據(jù)分析是一門跨領(lǐng)域技術(shù)，不需要很強的理工科背景，反而那些有市場銷售、金融、財務(wù)或零售業(yè)背景的人士，分析思路更加開闊。

3、薪資待遇高1-2年工作經(jīng)驗的大數(shù)據(jù)分析崗位的平均月薪可達到13k左右的水平。崗位的薪酬和經(jīng)驗正相關(guān)，越老越值錢。

4、行業(yè)適應(yīng)性強幾乎所有的行業(yè)都會應(yīng)用到數(shù)據(jù)，數(shù)據(jù)分析師不僅僅可以在互聯(lián)IT行業(yè)就業(yè)，也可以在銀行、零售、醫(yī)藥業(yè)、制造業(yè)和交通傳輸?shù)阮I(lǐng)域服務(wù)。

5、職業(yè)壽命長數(shù)據(jù)分析職業(yè)一旦掌握，可以在職場上收益長久，掌握這門新興技術(shù)都會大有用武之地，受其他外部業(yè)務(wù)影響相對較小，職位相對穩(wěn)定。

三、大數(shù)據(jù)分析工程師在互聯(lián)網(wǎng)行業(yè)中處于什么地位?

大數(shù)據(jù)分析在互聯(lián)網(wǎng)行業(yè)中更多是屬于通用技能，即使你不做大數(shù)據(jù)分析工程師，不管你是做產(chǎn)品、運營、研發(fā)，還是項目、管理，基本上都需要掌握大數(shù)據(jù)分析技能。而且這是大趨勢，市面上大多數(shù)的數(shù)據(jù)分析都是比較低級的業(yè)務(wù)分析工作，不需要專門設(shè)立新的分析崗位來負責(zé)，交給產(chǎn)品、運營的人做就行了;比較高級的數(shù)據(jù)分析工作，比如業(yè)務(wù)決策等還是比較少的，目前來說整個大數(shù)據(jù)分析工程師行業(yè)的專業(yè)深度還不夠深。如果你說的是大數(shù)據(jù)分析工程師的地位，那就要先分一下類，企業(yè)中的大數(shù)據(jù)分析工程師為運營和研發(fā)兩種角色。

如果是運營類，大數(shù)據(jù)分析工程師都有前提目標(biāo)，分析一場營銷活動的轉(zhuǎn)化效果、分析用戶下載激活注冊的轉(zhuǎn)化率、分析某個廣告渠道的下載量、每激活成本、用戶留存情況等等，這些一般是不設(shè)專崗，往往ceo、coo、產(chǎn)品、運營同學(xué)把這部分工作各自承擔(dān)了。當(dāng)然，如果公司組織結(jié)構(gòu)很大，不排除單獨設(shè)立，這時候需要你具備熟練操作大數(shù)據(jù)分析工程師工具、如mySQL、spss、python，甚至是報表呈現(xiàn)。

另外一個就是就是研發(fā)型大數(shù)據(jù)分析工程師，一般就是據(jù)業(yè)務(wù)需求做數(shù)據(jù)埋點、監(jiān)測，數(shù)據(jù)處理、報表呈現(xiàn)。高深一點的就是大數(shù)據(jù)分析工程師、BI工程師、機器學(xué)習(xí)、個性化推薦了。

其實造成大數(shù)據(jù)分析工程師地位不高的主要原因，就是不認同和價值缺失。我們總說數(shù)據(jù)驅(qū)動業(yè)務(wù)，可平時看到的，卻總是業(yè)務(wù)部門追著數(shù)據(jù)部門屁股要數(shù)據(jù)，而且大數(shù)據(jù)分析工程師的價值其實很難表現(xiàn)出來，領(lǐng)導(dǎo)不認同，同事不認同，甚至連自己都不認同，甚至?xí)岩勺约核龅氖虑槭遣皇钦娴挠袃r值，這種情況在企業(yè)中非常常見，做大數(shù)據(jù)分析工程師的人基本都會轉(zhuǎn)做管理和運營。

這一方面是整個大數(shù)據(jù)分析工程師行業(yè)的大環(huán)境造成的，另一方面也是因為個人的發(fā)展有瓶頸，大數(shù)據(jù)分析工程師行業(yè)這幾年吸引了太多人涌了進來，水平又都參差不齊，企業(yè)又都盲目做大數(shù)據(jù)分析工程師，趨之若鶩，你說這里面摻的水分能少嗎?綜上所述，就是小編今天給大家分享的內(nèi)容，希望可以幫助到大家。

四、互聯(lián)網(wǎng)數(shù)據(jù)分析之探討如何分析競爭對手

競品分析根據(jù)產(chǎn)品階段的不同側(cè)重點也會有很大的不同。而且，根據(jù)你本身職位職責(zé)的不同也會有很大的不同。但總的來看，競品分析多集中在兩個階段：第一階段是立項前，此階段的競品分析更傾向于競品商業(yè)分析;第二階段是項目確定需進行具體的產(chǎn)品策劃設(shè)計，此階段的競品分析更傾向于產(chǎn)品功能分析。當(dāng)然，除此之外，我們其實還可以關(guān)注產(chǎn)品生命衰落期的競品分析，此時此刻你可以關(guān)注競品是如何死的或者如何讓垂死的產(chǎn)品復(fù)活。一、立項前的競品分析立項前的競品分析更多的是停留在商業(yè)層面上的，所以我們也可以稱之為商業(yè)分析。商業(yè)分析一般關(guān)注的是行業(yè)的數(shù)據(jù)、發(fā)展和前景，比如行業(yè)的市場整體規(guī)模、行業(yè)內(nèi)大佬的市場份額、行業(yè)的用戶群體細分、行業(yè)的市場飽和程度、行業(yè)的發(fā)展前景等。更多的是為項目尋找到一個立腳點，說明項目本身的可行性。關(guān)于立項前的競品分析，可以參考一下Nielsen所做的51的分析。雖然這份報告并不完全是競品分析，但整體的思路大概是如此的。二、項目確定后的競品分析項目確定后的競品分析，關(guān)注的更多是功能本身。先是從小到大的收集，再是從大至小的整理，最后是著力于某一個或者兩個核心功能點。關(guān)于核心功能點的確立一般有兩種確認的方式：一種是從大家都有的現(xiàn)功能點中提取1-2個核心的功能點，然后著力在這1-2個功能點上深鉆細研;另一種是逃離大家都有的現(xiàn)功能點，重新開辟出全新的功能體驗，尋找所謂差異化之路。兩者之間并沒有對錯。但相對而言，個人感覺前者保險，后者冒險。不過冒險也并不見得是件壞事，如果冒險對頭，說不定就抓到了大金礦。針對項目確定后的競品分析，我想主要應(yīng)該這么去進行。1、找對象既然是競品分析，既然不是個人的獨舞，需要找到一家或者幾家或同類或不同類的產(chǎn)品進行分析。不然，也就無所謂競不競了。關(guān)于找對象只簡單說一下個人的想法：對象更應(yīng)該找門當(dāng)戶對的。只有門當(dāng)戶對的對你的產(chǎn)品本身才更具指導(dǎo)意義。如果你找的都是業(yè)界大佬，一般情況下都對你的指導(dǎo)意見不會太大。因為業(yè)界大佬的資源不是一般小公司所具備的。所以即便你真的能把他分析的無比透徹，很多時候你也無法把這些方案落地。當(dāng)然，也不是說不去關(guān)注大佬們，既然能夠做大勢必是有很多值得我們學(xué)習(xí)的地方，但只是想說在競品分析時不要把大佬們放在核心的競品上。2、分析體驗調(diào)研齊頭并進找到對象之后，就可以開始進行競品的分析了。一般來說，競品分析可以通過以下這三種方法進行：分析、體驗、調(diào)研。分析分析主要就是針對你現(xiàn)階段手頭上所收集的整理的數(shù)據(jù)進行分門別類的觀察對比，從而更深刻的去認識自己以及對方的問題點。比如你可以去微博上以關(guān)鍵字的形式去搜索對手相關(guān)的微博量，從中將所有微博信息分門別類，比如咨詢、投訴、活動、表揚等，從中去分析對手現(xiàn)階段產(chǎn)品運營階段所存在的問題或者亮點。體驗體驗則是最直接的使用對手的產(chǎn)品，通過系統(tǒng)的有效的體驗方法去了解和認識競爭對手。這里的體驗不是盲目的主觀的，更多的是使用公認的統(tǒng)用的一些體驗方法和原則進行。只有這樣才能夠有效。否則，你的體驗只能是個人主觀的喜惡。同時，體驗可以在分析和調(diào)研的基礎(chǔ)上進行，三者之間完全可以相互輔助和支持，同時也能夠較好的較客觀的反映問題本身。調(diào)研這里的調(diào)研可以是簡單的調(diào)研，也可以是系統(tǒng)化的調(diào)研。系統(tǒng)化的調(diào)研則是需要通過一對一訪談、群訪、電話訪談、問卷調(diào)查等綜合的方式進行的，當(dāng)然這里需要根據(jù)自己的實際情況而進行。一對一訪談更多的是做為定性的調(diào)查，了解用戶對產(chǎn)品的行為、動機和帶來的影響，它實際上不具備數(shù)據(jù)統(tǒng)計意義。群訪實際上也不具備統(tǒng)計意義，更多時候應(yīng)用于開拓產(chǎn)品思路以及尋找更好的Idea。關(guān)于電話和問卷一般情況下是通過前面所說的定性分析的驗證，因為電話和問卷調(diào)查一般用戶樣本規(guī)模較大，具備統(tǒng)計數(shù)據(jù)上的意義。這三者在實際操作中最好能夠綜合在一起使用，否則很難真正的去認識到用戶的需求，無法真正的為自己的產(chǎn)品提供參考。三、產(chǎn)品衰落期的競品分析關(guān)于產(chǎn)品衰落期的競品分析，其實是個偽概念。其實就是去多看看那些已經(jīng)死去的或者垂死掙扎的產(chǎn)品的失敗原因，這樣可以更好的告誡自己以后少走彎路。當(dāng)然，也有一些經(jīng)歷衰落期的產(chǎn)品通過不斷的轉(zhuǎn)變優(yōu)化從而讓自己起死回生的，這樣的案例更值得我們?nèi)W(xué)習(xí)和研究。

以上就是關(guān)于互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。